第２回：ガイダンス、データサイエンスとR入門

2024-04-09

https://data-science-chiba-2024.github.io/day2/

ガイダンス

ニッタ ジョエル

  • 研究テーマその１：シダ植物の進化と生態学

  • 研究テーマその２：データサイエンス用ソフトの開発

  • https://www.joelnitta.com

Image of Joel Nitta in field

スケジュール

  1. 生成AIの基本、RとRStudioのインストール（オンデマンド）
  2. ガイダンス、データサイエンスとR入門
  3. プロジェクトの整理とデータの読み込み
  4. データの整理
  5. データの可視化
  6. 再現可能な文書の書き方
  7. レポートの発表
  8. 再現性を高めるツール（オンデマンド）

内容はニーズに合わせる

サイト

https://data-science-chiba-2024.github.io/

スライドと動画のリンクが掲載されている

オフィスアワー

予約制（までメールにて連絡ください）。対面・非対面での相談、ご希望とご都合に合わせて対応いたします。

教科書

リーディング

毎週のリーディングを講義の前に読んでください。

リーディング

課題と評価

  • 宿題（25%）
    • Moodleからダウンロード、提出
    • 締め切り：次の週の授業まで
  • リーディング
  • 授業のディスカッションに参加する（25%）
  • Rを使って、自分の研究に関するレポートを書く（50%）

データサイエンスとは？

データサイエンスとは？

  • データから洞察（インサイト）を得ること

データサイエンスとは？

  • 他の特徴
    • 大量のデータを扱う（「ビッグデータ」）
      • 統計学を使う
    • プログラミングを使う（python、R、など）
    • 様々な用がある（学術研究、治療、産業、など）

データ解析の循環

https://r4ds.hadley.nz/diagrams/data-science/base.png

  • Import: データを入力する
  • Tidy and Transform: データを整える
  • Visualize: データを可視化する
  • Model: モデルを構築する（予測する）
  • Communicate: 結果を伝える

再現性とは？

再現性とは？

  • 他の人（将来の自分を含めて）があなたの解析を
    再度行って、同じ結果を得ることができること

  • データサイエンスにおいて、とても重要。再現性がなければ、「サイエンス」にならない！

再現可能にするには・・

  • コードが必要
    • 自分が何をやったのか、記録が残る
    • 将来、同じ解析ができる
  • コードとして残らない方法はよろしくない（エクセル、SPSSなど）

本授業では、Rを使う

  • 無料
  • データ解析の機能が豊富
  • 多様なニーズに応えるパッケージ
  • コミュニティー

https://www.linkedin.com/pulse/why-r-4-reason-learn-programming-language-business-corporate

RとRStudioについて

  • Rとは「R Project for Statistical Computing」という組織が提供しているオープンソースプログラミング言語

RとRStudioについて

  • Rのコードを書く・実行する最適なソフト（無料）
  • RStudioなしでもRは一応使えるけど、不便
  • この授業ではRStudioを介してRを使う。

RStudioについて

  • 主に四つのパネルがある
    • Source（コードを書く）
    • Environment（今のRのセッションに入っているオブジェクトが表示される）
    • R Console（Rに直接コマンドをする）
    • Files and Plots（ファイルと図）

Rを計算機として使う

  • RStudioのコンソール（左下のパネル）にカーソルを置いて、簡単な計算をしてみましょう：
2 * 20
[1] 40

おめでとうございます！Rプログラミングができました！

オブジェクト（変数）について

  • 次に、Rの中のデータを変数（Rでは、「オブジェクト Object」と呼ぶ）として保存しよう：
age <- 2 * 20

オブジェクト（変数）について

これだけでは何も返ってこない。

変数の内容を確認するには、コンソールにその変数の名前を打てば良い：

age
[1] 40

関数とは

何かの値（インプット）を受けて、処理して、計算結果（アウトプット）を返すもの

drawing

https://manamina.valuesccg.com/articles/756

関数とは

関数の書き方：

  • 関数名(引数)

例えば

round(3.1415, digits = 1)
[1] 3.1

関数とは

関数の使い方を確認したい時は?関数名と打って、ヘルプファイルを参照すれば良い

?round

パッケージとは

  • Rパッケージとは、Rが出来ることを大幅に増やす「追加」のソフト（関数のまとまり）
    • 現在、２万近くのパッケージがある！

パッケージのインストール

Rパッケージのインストールを行うには、install.packages()を使う：

install.packages("ggplot2")

一回インストールしたら、次回からはしなくて良いので、これはコードとして保存しない

パッケージのロード

  • パッケージをインストールしたら、使える状態するにはロードすることが必要
    • インストールは一回でいい
    • ロードは毎回必要

library()関数でロードする：

library(ggplot2)

tidyverse

  • tidyverseはデータサイエンス用パッケージの集まりのパッケージ
    • ggplot2（可視化）
    • dplyr（データの整理）
    • stringr（文字データを扱う）
    • など

これからよく使うので、インストールしましょう。一気に出来るから、楽。

install.packages("tidyverse")

install.packages()とlibrary()の違い

  • install.packages()は一回だけで良い（パソコンにパッケージをダウンロードする）

  • library()はRを使う毎にしないといけない（パッケージを今回のRのセッションで使えるようにする）